# 开放权重模型是什么？开放权重和开源的区别

> 开放权重模型会公开训练好的参数，也就是权重，任何人都能下载并运行。开源的要求更高，还要有训练代码和训练数据的说明。人们常说的开放模型，包括 gpt-oss、Qwen、DeepSeek、Gemma、Llama 和 Mistral，大多是在某个许可证下发布权重，你能怎么用它们，由这个许可证决定。

Mindket 编辑部 · 发布于 2026-11-06 · 更新于 2026-11-06 · https://mindket.com/cn/learn/open-weight-models/what-are-open-weight-models

## 要点

- 下载之前，先在模型的 Hugging Face 页面上找到它的权重、许可证和模型卡。
- 只有同时发布训练代码、并说明训练数据的模型，才能叫开源。
- 以许可证字段为准判断你能怎么用，不看标题里的“开放”二字。
- 比较不同家族的规模，就看各家模型卡，并留意一个数字算的是全部参数，还是只算活跃参数。

## 开始之前

你只需要一个浏览器。这一课里的模型页面都不用登录就能打开，只有 Meta 的 Llama 4 页面例外。Hugging Face 对它做了[访问限制](https://huggingface.co/docs/hub/models-gated)：要先登录，再填一份表格，表格里包括接受 Meta 的许可证，Hub 把这种访问标为人工审批。

模型的权重，是它在训练中学到的数字，数量以十亿计，存放在文件里。模型怎样回答，由权重决定。一份下载内容里的其他文件，比如分词器、配置和许可证，只是帮你的软件把权重载入并用起来。

## 下载之前，先看一个发布包里有什么

随便打开一个发布包，看看里面放了什么。下面用 OpenAI 的 gpt-oss-20b 做例子，换成别的模型页面，步骤也一样。步骤里的文件名，来自 2026 年 11 月 6 日 Hugging Face 的 API 返回的文件列表。

模型卡还给了两条命令。第一条通过 Ollama 拉取模型，[Ollama 教程](https://mindket.com/cn/learn/local-ai/ollama-tutorial)会教你把它装好。第二条用 Hugging Face 的命令行工具下载权重。

````bash
# Ollama, from the model card
ollama pull gpt-oss:20b
ollama run gpt-oss:20b

# Download the weights with the Hugging Face CLI, from the model card
huggingface-cli download openai/gpt-oss-20b --include "original/*" --local-dir gpt-oss-20b/
````

1. 打开 [huggingface.co/openai/gpt-oss-20b](https://huggingface.co/openai/gpt-oss-20b)。这个页面就是模型卡，也就是一个 README.md 文件，顶部有一块设置。
2. 在那块设置里找到许可证。模型卡上写的是 `license: apache-2.0`。
3. 点开 Files and versions 标签页。以 `.safetensors` 结尾的文件就是权重。
4. 打开 `config.json`，里面是模型的设置。旁边的分词器文件和 `chat_template.jinja`，告诉你的软件怎样把文字变成数字、再变回来。
5. 打开 `LICENSE` 和 `USAGE_POLICY`。前者是 Apache License 2.0。后者只有两句话，要求你遵守适用的法律。
6. 再看缺了什么。这个仓库里没有训练数据，也没有训练代码。
7. 内存够的话，就把模型跑起来。模型卡说 gpt-oss-20b 能在 16GB 内存里运行。

## 权重、代码和数据：一个发布包能包含什么

你刚才看的，是权重加上载入它们所需的文件。造出一个模型还要另外两样东西，那个文件夹里都没有：训练代码，也就是跑完整个学习过程的程序，以及训练数据，也就是模型学过的文本。有了权重，你能运行模型，也能微调它。想从头重新训练，就得有另外两样。

开放权重和开源之争，说的就是这个缺口。[维基百科关于开源 AI 的条目](https://en.wikipedia.org/wiki/Open-source_artificial_intelligence)说，开源促进会的定义要求公开处理数据、训练模型和运行模型的全部代码，还要有训练数据的详细说明，数据本身则不必公开。只发布权重的模型是开放权重模型，条目里还提到，有批评者把打着开源旗号、只发布权重的做法称为“openwashing”。条目同时说，Meta 把 Llama 称为开源，这一说法因为 Llama 的许可证而存在争议。

Ai2 的 Olmo 在另一端。[Olmo 3.1 32B Think 的模型卡](https://huggingface.co/allenai/Olmo-3.1-32B-Think)写明了它用到的数据集 Dolma 3 和 Dolci，并说 Ai2 会发布全部代码、检查点和训练细节，日志稍后放出。

对挑选要运行的模型来说，这个区别没有听上去那么大，因为下载到手的东西是一样的。需要审查模型学过什么、或者要复现它的时候，这个区别才重要，公司制度只允许用开源软件时也一样。

**三个发布包各自的模型卡里有什么**

| | gpt-oss-20b | Llama 4 Scout | Olmo 3.1 32B Think |
| --- | --- | --- | --- |
| 可下载的权重 | ✓ 是 | ◐ 部分 | ✓ 是 |
| 模型卡写明训练数据 | ✗ 否 | ◐ 部分 | ✓ 是 |
| 许可证 | Apache 2.0，另有使用政策 | Llama 4 社区许可证 | Apache 2.0 |

来源：[Hugging Face：openai/gpt-oss-20b](https://huggingface.co/openai/gpt-oss-20b) (2026-11-06 查阅)；[Meta：Llama 4 模型卡](https://github.com/meta-llama/llama-models/blob/main/models/llama4/MODEL_CARD.md) (2026-11-06 查阅)；[Hugging Face：meta-llama/Llama-4-Scout-17B-16E-Instruct](https://huggingface.co/meta-llama/Llama-4-Scout-17B-16E-Instruct) (2026-11-06 查阅)；[Hugging Face：allenai/Olmo-3.1-32B-Think](https://huggingface.co/allenai/Olmo-3.1-32B-Think) (2026-11-06 查阅)

> “部分”表示有条件。Llama 4 Scout 在 Hugging Face 上的文件，要先登录、填表并经人工审批，模型卡对训练数据只用文字概括，写的是公开可得的数据、授权数据，以及 Meta 产品和服务中的信息。

## 你会遇到的六个家族

这门课跟着六个家族：OpenAI 的 gpt-oss、Qwen、DeepSeek、Meta 的 Llama、Google DeepMind 的 Gemma 和 Mistral。有的家族发布一串不同的规模，Gemma 4 的模型卡列出五种：E2B、E4B、12B、26B A4B 和 31B。有的只发布两种：gpt-oss 的模型卡介绍了一个 21B 和一个 117B 的模型，Meta 的 Llama 4 模型卡列出总参数 109B 的 Scout 和总参数 400B 的 Maverick。

下表每个家族只列一个当前的模型。各家每隔几个月就会发布新版本，所以请把这些名字当作例子，最新的版本以发布者的页面为准。参数就是以十亿计数的权重，21B 即 210 亿。模型如果是混合专家结构，表里还会写出它的活跃参数，这个词在[第 3 课](https://mindket.com/cn/learn/open-weight-models/choose-an-open-model)里解释。

| 家族 | 发布者 | 2026 年 11 月 6 日所读的模型 | 参数量 | 模型卡对它的描述 |
| --- | --- | --- | --- | --- |
| gpt-oss | OpenAI | gpt-oss-20b | 21B，活跃 3.6B | 低延迟，适合本地和专门用途 |
| Qwen | Qwen | Qwen3.8-27B | 27B | 原生的视觉语言模型 |
| DeepSeek | DeepSeek | DeepSeek-V4.1-Flash | 主干 552B | 多模态混合专家模型 |
| Llama | Meta | Llama 4 Scout | 109B，活跃 17B | 输入多语言文本和图像 |
| Gemma | Google DeepMind | Gemma 4 12B | 11.95B | 输入文本、图像和音频 |
| Mistral | Mistral | Mistral Large 4 | 约 1T，活跃 49B | 原生多模态的混合专家模型 |

## 常见错误

- 把标题里的“开放”当成许可。你能怎么用，以模型卡上的许可证为准，第 2 课会教你怎么读。
- 在自己的文章里把只发布权重的模型称为开源。写开放权重，并写出许可证的名字。
- 没查大小就开始下载。在 llama.cpp 的表格里，405B 的模型量化之前有 1,625.1 GB。
- 遇到受限访问的模型，就跳过访问申请。Meta 的 Llama 4 页面要登录并填表，申请通过之前，文件一直是锁着的。
- 照抄教程里的模型名。Qwen3.8、Gemma 4 这样的名字，会随着新版本发布而过时，当前的名字要去发布者的页面看。

## 动手试试

- 打开 gpt-oss-20b 和 Olmo 3.1 32B Think 的页面，列出各自的仓库里有、对方没有的东西。
- 找到 Qwen3.8-27B 和 DeepSeek-V4.1-Flash 两张模型卡上的许可证字段，把两个都记下来。
- 学完 Ollama 教程之后，如果有 16GB 空闲内存，运行 `ollama run gpt-oss:20b`。
- 从上面的家族里选一个，写下你在工作中使用它之前，要先查的前三件事。

## 下一课：开放模型的许可证

每张模型卡都有许可证字段，上面六个模型用了四种不同的许可证。[第 2 课](https://mindket.com/cn/learn/open-weight-models/open-model-licenses)会逐行读一遍。

## 自测一下

1. 模型的权重里装的是什么？

   A. 它训练时用的文本
   B. 跑训练的代码
   C. 它在训练中学到的数字
   D. 它的许可条款

   答案：C。 权重是训练中学到的数字，存放在 `.safetensors` 这样的文件里。

2. 下面哪一项会让一个发布包不止是开放权重？

   A. 仓库里有一个许可证文件
   B. 模型卡写得更长
   C. 有 Ollama 的下载命令
   D. 发布了训练代码，并写明了训练数据集

   答案：D。 开源是在权重之外，再加上训练代码和数据的说明，Olmo 3.1 的模型卡就写明了 Dolma 3 和 Dolci。

3. 在哪里能读到发布者为模型选的许可证？

   A. 文件大小里
   B. 模型卡的许可证字段和 LICENSE 文件里
   C. 分词器文件里
   D. 下载次数里

   答案：B。 模型卡的设置块里有 license 字段，仓库通常还会把全文放在 LICENSE 文件里。

4. 模型仓库里的哪些文件是权重？

   A. 以 .safetensors 结尾的文件
   B. LICENSE 和 USAGE_POLICY
   C. tokenizer.json
   D. README.md

   答案：A。 在 gpt-oss-20b 里，`.safetensors` 文件存放权重，其余的是许可证、分词器和模型卡。

## 常见问题

### 开放权重和开源有什么区别？

开放权重是指训练好的参数公开可下载。开源还要有完整的训练代码和训练数据的说明，并且许可条款允许你研究、修改和分享整个系统。有些被称为开源的模型，只做到了前一半。

### Llama 是开源的吗？

Meta 称它是开源，但准确的叫法是开放权重。权重是在 Llama 4 社区许可证下发布的，许可证要求附上“Built with Llama”的声明，月活用户超过 7 亿的公司还要另向 Meta 申请许可。开源促进会等机构对这个说法提出过异议，因为许可证附带一份可接受使用政策，禁止了部分用途。

### 开放权重模型能在自己的电脑上运行吗？

能，只要内存装得下。gpt-oss-20b 的模型卡说它能在 16GB 内存里运行，更大的 gpt-oss-120b 则面向单张 80GB 显卡。[本地硬件那一课](https://mindket.com/cn/learn/local-ai/local-llm-hardware)教你估算模型大小，第 4 课讲能把文件变小的量化。

### 开放权重模型能免费用于商业吗？

通常可以，但条件因许可证而异。Apache 2.0 和 MIT 允许商用，只要附上声明。Meta 的许可证在月活用户超过 7 亿时加了条件，Mistral 的许可证则限制把模型作为服务托管给他人。第 2 课会逐一比较。

### 权重是什么文件格式？

Hugging Face 把 safetensors 列为推荐的模型格式，gpt-oss-20b 的权重就是 .safetensors 文件。GGUF 文件则把权重和额外的元数据放进一个文件，供 llama.cpp、Ollama 和 LM Studio 使用，第 4 课会讲它。

## 资料来源

- [GitHub：openai/gpt-oss 说明文档](https://github.com/openai/gpt-oss) (2026-11-06 查阅)
- [Hugging Face：openai/gpt-oss-20b 模型卡](https://huggingface.co/openai/gpt-oss-20b) (2026-11-06 查阅)
- [Hugging Face API：openai/gpt-oss-20b（文件列表）](https://huggingface.co/api/models/openai/gpt-oss-20b) (2026-11-06 查阅)
- [Hugging Face：allenai/Olmo-3.1-32B-Think 模型卡](https://huggingface.co/allenai/Olmo-3.1-32B-Think) (2026-11-06 查阅)
- [GitHub：Meta Llama 4 模型卡](https://github.com/meta-llama/llama-models/blob/main/models/llama4/MODEL_CARD.md) (2026-11-06 查阅)
- [Hugging Face：meta-llama/Llama-4-Scout-17B-16E-Instruct 模型页面（需申请访问）](https://huggingface.co/meta-llama/Llama-4-Scout-17B-16E-Instruct) (2026-11-06 查阅)
- [Hugging Face 文档：受限访问的模型](https://huggingface.co/docs/hub/models-gated) (2026-11-06 查阅)
- [Hugging Face：Qwen/Qwen3.8-27B 模型卡](https://huggingface.co/Qwen/Qwen3.8-27B) (2026-11-06 查阅)
- [Hugging Face：deepseek-ai/DeepSeek-V4.1-Flash 模型卡](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash) (2026-11-06 查阅)
- [Hugging Face：google/gemma-4-12B-it 模型卡](https://huggingface.co/google/gemma-4-12B-it) (2026-11-06 查阅)
- [Hugging Face：google/gemma-4-26B-A4B-it 模型卡](https://huggingface.co/google/gemma-4-26B-A4B-it) (2026-11-06 查阅)
- [Hugging Face：mistralai/Mistral-Large-4-1T-A52B 模型卡](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B) (2026-11-06 查阅)
- [维基百科：开源人工智能](https://en.wikipedia.org/wiki/Open-source_artificial_intelligence) (2026-11-06 查阅)
- [Hugging Face 文档：模型卡](https://huggingface.co/docs/hub/model-cards) (2026-11-06 查阅)
- [Hugging Face 文档：许可证](https://huggingface.co/docs/hub/repositories-licenses) (2026-11-06 查阅)
- [Hugging Face 文档：GGUF](https://huggingface.co/docs/hub/gguf) (2026-11-06 查阅)
- [llama.cpp：quantize 说明文档](https://github.com/ggml-org/llama.cpp/blob/master/tools/quantize/README.md) (2026-11-06 查阅)

[浏览套件](https://mindket.com/cn/kits)